1樓：曠螢雪
不能這麼說，但是三者之間的關係是這樣的：
正態分佈是所有分佈趨於極限大樣本的分佈，屬於連續分佈。
二項分佈與泊松分佈則都是離散分佈，二項分佈的極限分佈是泊松分佈，泊松分佈的極限分佈是正態分佈。
希望對你有所幫助~
2樓：
二項分佈的極限是泊松分佈，泊松分佈的極限是正態分佈。
正態分佈，二項分佈，超幾何分佈和泊松分佈各有什麼實際背景。相互之間有何聯絡？
3樓：匿名使用者
你這問題頗覆雜，只簡單的說一下。雙色球可有許多概率統計學的引數，應該是所有種類的概率分佈都可以用得上。單個號碼（如藍球或開出的第一個紅球）：
均勻分佈。和值：正態分佈（正態分佈是對稱的二項分佈）。
ac值：超幾何分佈。一注號碼或一個複式投注猜中開獎號碼的個數：
超幾何分佈。某號碼在一定時間內開出的次數：泊松分佈。
泊松分佈和正態分佈有什麼內在聯絡？
4樓：
統計是上上學期學的內容 本來上學期重考s2的時候也複習過 不過這學期也忘得差不多了囧
簡單來說 泊松分佈和二項分佈都是離散分佈
離散分佈的情況就是如果隨機變數x 只取非負整數值，取k值的概率為(k=0,1,2,）
如果二項分佈的實驗次數n很大而每次試驗的成功概率p很小時 泊松分佈可作為二項分佈的極限近似
這個時候就用泊松分佈的公式算就好了 通常是通常當n≧10 p≦0.1的時候
至於正態分佈（又名正太分佈xd)是一個連續分佈 當實驗次數n再變大 幾乎可以看成連續時 二項分佈和泊松分佈都可以用正態分佈來代替
二項分佈和正態分佈的區分
5樓：阿樓愛吃肉
從兩者的不同點進行區分，二項分佈和正態分佈有3點不同：
一、兩者的影象特點不同：
1、二項分佈的影象特點：當（n+1）p不為整數時，二項概率p在k=[(n+1)p]時達到最大值；當（n+1）p為整數時，二項概率p在k=(n+1)p和k=(n+1)p-1時達到最大值。
2、正態分佈的影象特點：關於μ對稱，並在μ處取最大值，在正（負）無窮遠處取值為0，在μ±σ處有拐點，形狀呈現中間高兩邊低，正態分佈的概率密度函式曲線呈鐘形，因此人們又經常稱之為鐘形曲線。
二、兩者的性質不同：
1、二項分佈的性質：當p≠q時，直方圖呈偏態，pq的偏斜方向相反。如果n很大，即使p≠q，偏態逐漸降低，最終成正態分佈，二項分佈的極限分佈為正態分佈。
故當n很大時，二項分佈的概率可用正態分佈的概率作為近似值。一般規定：當pq且nq≥5，這時的n就被認為很大，可以用正態分佈的概率作為近似值了。
2、正態分佈的性質：由於一般的正態總體其影象不一定關於y軸對稱，對於任一正態總體，其取值小於x的概率。只要會用它求正態總體在某個特定區間的概率即可。
為了便於描述和應用，常將正態變數作資料轉換。將一般正態分佈轉化成標準正態分佈。
三、兩者的提出者不同：
1、二項分佈的提出者：二項分佈是由伯努利提出的概念。
2、正態分佈的提出者：c.f.高斯在研究測量誤差時從另一個角度匯出了正態分佈。
6樓：匿名使用者
二項分佈是離散分佈，而正態分佈是連續分佈，當二項分佈的n值趨向於無窮大時，二項分佈近似可以看成正態分佈。正態分佈的影象是一個鐘形曲線，而二項分佈的影象為直方圖，直方圖的頂端可以近似連線成為一條鐘形曲線。
二項分佈與超幾何分佈的區別，二項分佈與超幾何分佈的區別
成都愛之橋 二項分佈每次是等概率的，前一次不影響後一次的概率，超幾何分佈則不然。黑箱中有a個紅球和b個綠球，從箱中先後取n個球 放回 其中有x個紅球，這個x服從二項分佈。黑箱中有a個紅球和b個綠球，從箱中先後取n個球 不放回 其中有x個紅球，這個x服從超幾何分佈。 當抽取的方式從無放回變為有放回，超...
如何判斷是超幾何分佈還是二項分佈
究竟叫什麼好哈 看情境。超幾何分佈是選出n件次品的概率，二項分佈是進行多次隨機試驗出現某種結果n次的概率。 超幾何一般需要總體的容量，並且是不放回抽取，二項分佈則相反 gj寶貝還休息 聶小倩改編自原著同名篇章。超幾何分佈和二項分佈怎麼區分？ 區別 不放回抽取 每次概率要改變 放回再抽取 每次概率相同...
泊松分佈和正態分佈有什麼內在聯絡
動植物知識分享 正態分佈是一個統計學概念，該分佈由兩個引數 平均值和方差決定。正態分佈曲線呈鍾型，兩頭低，中間高，左右對稱，平均值決定正態曲線的中心位置 方差決定正態曲線的陡峭或扁平程度。在概率比率規模抽樣法下，每個賬戶被選中的機會與其賬戶金額成比例，金額越高的賬戶被選取的機會就越高。金額為0或負數...